[摘譯] 你應該避免去上的資料科學課程

[原文] Data Science Courses to Avoid - Data Science Central

[摘譯]
隨著「資料科學」日漸熱門，網路上也出現了很多的資料科學的相關課程，Mirko Krivanek 建議，有些課程其實並無助於對「資料科學」的理解或熟練，應該避免在這些課程上花時間。

作者舉了一些「偽資料科學」的例子，像是標榜：

• 學習 R 入門，資料操弄和視覺化，建立資料科學的基礎知識。
• 撰寫你的第一個 R 程式，學習 vectors, matrices, data frames 和 lists。（這些是 R 的資料結構，故不另作翻譯）
• 資料科學的七門課： t 檢定、變異數分析、迴歸以及其他（共26小時）。

這些「偽資料科學」課程通常是包裝過的傳統基礎統計學，對於「資料科學」來說雖然是必要基礎，但其實不必花太多時間去理解細節。雖然目前「資料科學」有很多種詮釋，但是資料科學用到的很多統計理論，在過去十年間都曾經翻修過，甚至很多理論還為了處理「大量」資料而重新定義過。如果要接觸新一代的理論基礎，作者推薦 Vincent Granville 的新書 Data Science 2.0，或是 Data Science Research Lab 上的資源。

另外，作者認為現代的資料科學也不太需要「線性代數」，所以如果你在課程介紹裡看到「矩陣」，那也是個應該跳過這門課的信號。

很多統計學者宣稱，資料科學家作的事情，本質上就是統計學，但是作者認為解決問題的方法很多，資料科學只是對有些問題的解決方案和統計學家相同而已。大多數的時候，資料科學家尋求的是直覺、簡單，讓工程師和商業人事容易理解的解決方案，而不是列出一百種模型讓別人選擇。

資料科學的解決方案，會把對複雜度的追求放在實際執行需要的領域專業知識上，放在如何選擇正確的衡量標準上，並且強調資料架構（以及收集過程）的設計上。

[譯按]
這篇簡單的說，就是作者建議避免去上「包裝成資料科學的傳統統計課程」，姑且不論字裡行間透露出作者跟統計學家的往日恩怨，個人覺得作者想強調的是，即便統計學是資料科學的根源，但是資料科學是更「對其它領域友善」的：方便工程師整合進系統，也方便商務人事理解背後的概念。

不過就像作者指出的，目前「資料科學」有很多種詮釋，所以不妨當做一種觀點來參考。